α-磷酸锆@磺酸基固体酸催化剂的表征及其催化酯化反应的研究

以层状结构的α-磷酸锆为载体,用四正丁基氢氧化铵对其剥离改性,再连接上γ-巯丙基三乙氧基硅烷(KH-580),通过氧化和酸化两步,制备出一种新型的固体酸催化剂α-磷酸锆@磺酸基。通过XRD、SEM、BET、TGA、FT-IR等手段对该催化剂进行表征。结果表明:制备的催化剂比表面积增大,结晶度降低,酸强为2. 43 mmol/g; FT-IR表征显示—SO_3H的存在,证明α-磷酸锆被成功磺化。将该催化剂应用于月桂酸与甲醇的催化酯化反应中,对反应条件进行优化,发现在反应温度90℃、反应时间5 h、酸醇摩尔比1∶30、催化剂用量3%(以月桂酸质量计)时,酯化率达到97%以上。该催化剂使用3次后,仍然保持着较高的催化活性,酯化率为87. 48%。     

基于LBT-SA的LoRaWAN信道接入方法研究

标准LoRaWAN协议中定义的纯ALOHA信道接入方法在网络负载较大时会造成大量碰撞，使LoRa网络的可扩展性和可靠性受到极大挑战。为此提出了一种将先听后说与模拟退火相结合（Listen Before Talk combined with Simulated Annealing，LBT-SA）的LoRa信道接入方法。该方法通过在设备发送之前先监听信道，降低信道被同时接入的概率，并以成功传输所需退避时间为初始值，搜索更小的退避时间。仿真结果表明，LBT-SA和基于二元指数退避算法的先听后说（Listen Before Talk，LBT）方法在包成功传输率方面保持了高度的一致，并且LBT-SA在周期传输过程中逐渐减少了不必要的退避时间，从而减少了时延。在多达10 000个终端接入单个网关的场景中，该算法的平均退避时间至少降低了16.38%。     

基于机器学习的用户实体行为分析技术在账号异常检测中的应用

伴随企业业务的不断扩增和电子化发展,企业自身数据和负载数据都开始暴增。然而,作为企业核心资产之一的内部数据,却面临着日益严峻的安全威胁。越来越多以周期长、频率低、隐蔽强为典型特征的非明显攻击绕过传统安全检测方法,对大量数据造成损毁。当前,用户实体行为分析(User and Entity Behavior Analytics,UEBA)系统正作为一种新兴的异常用户检测体系在逐步颠覆传统防御手段,开启网络安全保卫从“被动防御”到“主动出击”的新篇章。因此,将主要介绍UEBA在企业异常用户检测中的应用情况。首先,通过用户、实体、行为三要素的关联,整合可以反映用户行为基线的各类数据;其次,定义4类特征提取维度,有效提取几十种最能反映用户异常的基础特征;再次,将3种异常检测算法通过集成学习方法用于异常用户建模;最后,通过异常打分,定位异常风险最大的一批用户。在实践中,对排名前10的异常用户进行排查,证明安恒信息的UEBA落地方式在异常用户检测中极其高效。     

PLC与单片机之间的串行通信及应用

在工业自动化控制领域,较为重要的内容就是PLC和单元机之间的远距离控制,并且在自控系统设计过程中,经常遇到的难题就是PLC和单片机之间远距离通信,基于PLC和单片机两者优势充分发挥的基础上,能够确保PLC和单片机之间串行通信的良好实现。本文基于实际情况的基础上,通过对现阶段较为常见且应用较为广泛的单片机进行分析探讨。     

基于TEE的主动可信TPM/TCM设计与实现

可信技术正在从被动可信度量向着下一代的主动可信监控方向发展，要求TPM/TCM模块有能力主动度量和干预主机系统，传统的TPM/TCM从架构和运行机制等方面都无法满足这种能力.TEE（trusted executionenvironment）技术提供了可信执行环境和主动访控能力，为构建下一代TPM/TCM提供了基本平台，但还存在系统结构、存储以及通信等多方面挑战.提出基于ARM平台TrustZone机制的TZTCM方案，通过分核异步系统架构解决TZTCM独立可信运行和主动可信安全监控问题，基于PUF（physical unclonable functions）安全存储机制和基于UUID（universally unique identifier）的TEE安全通信机制，解决了TEE环境下可信平台模块的存储安全和通信安全问题，为设计实现主动可信TPM/TCM给出了理论和实践参考.通过实验验证了所提关键机制的有效性，实验结果表明，TZTCM在密码计算能力上较常见TPM也有很大提升.TZTCM只需要在系统中增加或修改相应的软/固件，除了主动可信监控能力，还具有低成本、高性能、低功耗、易升级等特点，相对传统TPM/TCM具有非常明显的优势.     

基于SCA波形采样读出电子学的CSNS Back-n中子飞行时间测量

中国散裂中子源(CSNS)反角白光中子束线(Back-n)对中子核数据测量和核技术应用等多个领域均有重要意义。为监测其中子束斑轮廓、束流密度及束流能量，研制了由镀硼微网格气体(Micromegas)探测器构成的束流剖面监测装置，并通过测量中子的飞行时间(TOF)来获得能量信息。采用基于开关电容阵列(SCA)专用集成电路(ASIC)的波形采样电子学系统，实现了128路Micromegas探测器阳极条信号的低噪声放大、成形和波形数字化，在现场可编程逻辑门阵列(FPGA)芯片中实现了对信号过阈时间的实时测量，其量程为650 ns～10 ms，电子学时间分辨好于10 ns。在CSNS Back-n上开展实验，成功获得了中子束流剖面及10.65 μs～10 ms范围的飞行时间谱，对应的中子能量范围约为0.16 eV～0.14 MeV。利用钽、钴等吸收体进行了中子共振吸收峰的检验，验证了读出电子学系统的功能及飞行时间测量的正确性。     

基于博弈论及Q学习的多Agent协作追捕算法

多Agent协作追捕问题是多Agent协调与协作研究中的一个典型问题。针对具有学习能力的单逃跑者追捕问题，提出了一种基于博弈论及Q学习的多Agent协作追捕算法。首先,建立协作追捕团队，并构建协作追捕的博弈模型；其次,通过对逃跑者策略选择的学习，建立逃跑者有限的Step-T累积奖赏的运动轨迹，并把运动轨迹调整到追捕者的策略集中；最后,求解协作追捕博弈得到Nash均衡解，每个Agent执行均衡策略完成追捕任务。同时,针对在求解中可能存在多个均衡解的问题，加入了虚拟行动行为选择算法来选择最优的均衡策略。C#仿真实验表明，所提算法能够有效地解决障碍环境中单个具有学习能力的逃跑者的追捕问题，实验数据对比分析表明该算法在同等条件下的追捕效率要优于纯博弈或纯学习的追捕算法。     

Li、Na、K基蒙脱石的基因特性与其水化膨胀特性的关系

为了研究 Li，Na，K 基蒙脱石的基因特性对水化膨胀特性的影响，采用氯化锂、氯化钠、氯化钾对离心提纯后的怀俄明型钠基蒙脱石进行改型处理，制备出 Li、Na、K 基蒙脱石样品，并进行了水化膨胀试验，之后采用 ICP、FTIR、XRD、NMR 等方法分析了 Li、Na、K 基蒙脱石的元素含量、官能团种类、水化膨胀状态下层间距变化及水分赋存状态。结果表明，Li 基蒙脱石的羟基伸缩振动峰和羟基弯曲振动峰强度高于 Na 基和 K 基蒙脱石，改型蒙脱石的水化膨胀能力由强到弱排序为：Li 基＞Na 基＞K 基，Li、Na、K 基蒙脱石在水化膨胀状态下均有结合水和自由水 2 种水分，含水量排序为：Li 基＞Na 基＞K 基，水化膨胀后 Li 基蒙脱石的层间距增加最多，K 基蒙脱石的层间距增加最少。研究结论为揭示蒙脱石的结构内水赋存机理和综合利用提供了重要的理论基础。     

C10+重芳烃加氢机理及热力学研究进展

随着国内{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃产量逐年提升，炼厂对提质增效需求日益高涨，对{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃高效转化利用技术的需求也日益迫切。由于{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃富含稠环芳烃，而加氢是稠环芳烃转化为单环芳烃的重要手段，因此，{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃中代表性芳烃的加氢机理和热力学研究日趋受到重视。本文从{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃原料性质分析入手，详细阐述了{\mathrm{C}}_{\mathrm{10}}^{\text{+}}重芳烃中代表性芳烃的加氢反应路径及机理、加氢反应热力学的研究进展，以期为实际应用和催化剂开发提供参考。稠环芳烃组成对适宜的加氢反应条件、单环芳烃产品收率、氢耗、反应放热等都有较大影响，为了最大化生产低碳芳烃、降低氢耗，需要根据重芳烃的组成，从原料预切割/预处理、催化剂结构及活性中心、工艺条件这3个方面同时着手进行优化，进而实现对加氢过程的定向调控。     

3D打印连续纤维复合材料丝材的成形规律

针对3D打印连续纤维增强热塑性树脂复合材料,研究了热塑性树脂在螺杆挤出过程中的流动机理和在纤维界面的浸渍行为,揭示了螺杆转速和牵引速度对复合丝材成形直径和纤维含量的影响规律。提出使用实际浸渍时间和理论完全浸渍时间来共同表征树脂对纤维的浸渍程度,观察复合丝材断面的形貌可知,高浸渍程度的丝材内部空隙较少,树脂和纤维结合更紧密。进行3D打印成形测试,当丝材的浸渍程度从17.25%提高到40.02%,样件的拉伸强度可从132 MPa提高到160 MPa,提高约21%。对样件进行动态力学性能分析(DMA)测试,试验结果表明浸渍程度高的复合材料成形件具有高的存储模量和损耗模量,表明其纤维和基体间的界面结合程度得到了提高和改善。